Taller gratuito y resumido sobre Algoritmos, Macros y VB.net
DE CERO A EXPERTO

MT Trading - NT2 Labs

Bienvenido al Taller gratuito y resumido sobre Algoritmos, Macros y VB.net..
En este Taller usted tendrá acceso a un resumen muy simplificado de nuestro curso completo sobre programación en VB.net, incluyendo los siguientes temas: algoritmos en pseudocódigo, macros de Excel en Visual Basic for Applications, programación en VB.net (Visual Studio) y Redes Neuronales Artificiales (IA).

Inversión de tiempo requerido para este Taller: 4 horas de estudio más una hora para resolver el Desafío Final (5 horas en total).

Al finalizar el Taller y si usted lo desea, podrá obtener un certificado verificado de aprobación por un valor de USD 90 y extendido por MT Trading.

Inscríbase en el curso profesional de Algoritmos, Macros y VB.net con una duración total de 24 horas, un valor de USD 370 y gestionado por MT Trading.

PASOS A SEGUIR

Paso 1: Bienvenida I) Algoritmos: Paso 2: Definiciones Fundamentales II) Macros de Excel: Paso 3: Macrocomandos, macrofunciones y macros de VBA III) VB.net: Paso 4: El lenguaje VB.net Paso 5: Programación Visual IV) VB.net a Nivel Experto: Paso 6: Herramientas Avanzadas de VB.net V) Temas Vanguardistas: Inteligencia Artificial y Redes Neuronales Paso 8: Cierre Paso 9: Desafío Final Software de Deep Learning Paso 10: Si desea un certificado verificado y emitido por MT Trading: i) Envíenos la respuesta al Desafío Final | Click aquí ii) Si consigue una calficación mínima de 70%, le envíaremos el certificado impreso por medio de Correos de Chile (valor: USD 90).

 

PASO 1: Bienvenida

Bienvenidos al Taller de Algoritmos, Macros y Visual Basic y que corresponde a un pequeño resumen de nuestro curso completo sobre Programación Visual, de Cero a Experto. En este Mini Taller usted utilizará el paradigma de programación visual y por eventos del poderoso lenguaje VB.net y que le permitirá manipular y configurar los controles de Windows, a saber: botones de comando, ventanas, bases de datos, navegadores,etc. Además, aprenderá a crear macros en Excel y podrá aplicar los fundamentos de la programación visual al tema más vanguardista posible: Inteligencia Artificial y Redes Neuronales Artificiales. Si lo desea, puede completar el desafío final y obtener un certificado de aprobación de este taller otorgado por MTT.

Importante En el curso completo de Algoritmos, Macros y VB.net, ya sea en su versión web (USD 210) o en la versión presencial (USD 370), se tratan muchísimos más temas y con el máximo detalle posible. De click aquí para solicitar mayores informaciones.

 

PARTE 1: Algoritmos
PASO 2: Definiciones Fundamentales
i) Programa: conjunto de órdenes o instrucciones que se encuentran en el software de un sistema informático y que permiten que la computadora realice un determinado proceso. Los programas están escritos en algún lenguaje computacional, como por ejemplo: Lenguaje de Máquina, Lenguaje Ensamblador, Pascal, C#, Java, Visual Basic.NET, Python, PHP, App Inventor, etc.
ii) Diagrama de Flujo, Flujograma o Flowchart: diagrama que representa el flujo de información en un programa, señalando mediante flechas e instrucciones el procedimiento que se debe seguir paso a paso para realizar un determinado proceso.
Los principales símbolos utilizados en un diagrama de flujo, según los estándares ISO y ANSI son los siguientes

:

Aplicación
Imaginemos que tenemos que ordenar de menor a mayor tres números, A, B y C. El diagrama de flujo puede ser el siguiente:
(click para agrandar)

(Nota técnica: existen mejores formar de implementar la solución a este desafio, pero hacerlo de la manera aquí presentada
implica razonar, ejercitar y aprender una mayor cantidad de tópicos relacionados con la programación y ese es el propósito de este ejemplo).

iii) Algoritmo: Corresponde a un conjunto finito de instrucciones que indican paso a paso el procedimiento que se debe seguir para llevar a cabo un determinado objetivo. Esto implica que un Flowchart es la representación gráfica de un algoritmo, mientras que un programa en VB.net es una de las tantas representaciones lingüisticas posibles del algorimto. Por lo tanto, la esencia procedimental de cualquier programa informático es el algoritmo, el cual puede ser expresado en Java, C#, VB.net, etc..

iv) Pseudocódigo escrito en Pseudolenguaje: Representación de un algoritmo en lenguaje casi natural (humano), de modo que se consigue expresar la esencia procedimental de éste independiente del lenguaje de programación en el cual posteriormente se implemente. Se puede afirmar que escribir un programa en cierto lenguaje X equivale a traducir el Pseudocódigo al lenguaje X.

En este taller resumido, utilizaremos los siguientes comandos propios de un pseudolenguaje básico:

i) Inicio para indicar el inicio del programa ii) Fin para indicar la finalización del programa (liberar la RAM) iii) Ir a X para saltar a la línea del programa llamada X

iv) Para realizar un proceso N veces, utilizaremos: Contar i=1, N [Aquí va el proceso] Fin Contar

v) Para un condicional, utilizaremos: Si [Aquí va la condición lógica]: [Aquí va lo que se realiza si la condición lógica es verdadera] En caso contrario [Aquí va lo que se realiza si la condición lógica es falsa] Fin Si

vi) Para leer el valor del dato X, utilizaremos: Leer X vii) Para presentar el valor de X, utilizaremos: Escribir X

Luego, el diagrama de flujo presentado en (ii) podrá ser expresado del siguiente modo:

Inicio Leer A, B y C Si A<B: Si A <C: Colocar A en primer lugar Si B<C: Colocar B en segundo lugar Colocar C en tercer lugar Ir a 100 En caso contrario Colocar C en segundo lugar Colocar B en tercer lugar Ir a 100 Fin Si

En caso contrario Colocar C en primer lugar Colocar A en segundo lugar Colocar B en tercer lugar Ir a 100 Fin Si En caso contrario Si B<C: Colocar B en primer lugar Si A<C: Colocar A en segundo lugar Colocar C en tercer lugar Ir a 100 En caso contrario Colocar C en segundo lugar Colocar A en tercer lugar Ir a 100 Fin Si

En caso contrario Colocar C en en primer lugar Colocar B en segundo lugar Colocar A en tercer lugar Ir a 100 Fin Si Fin Si Línea 100: Escribir el primer dato, el segundo dato y el tercer dato Fin

v) OOP - Programación Orientada a Objetos: La OOP es un paradigma de programación que utiliza objetos capaces de reaccionar a mensajes para así obtener resultados. Algunos de los objetos utilizados en Visual Basic son: Cuadro de Texto, Botón de Comando, PictureBox, Etiqueta, TrackBar, etc. Los objetos son paquetes de código que incluyen: identidad del objeto, propiedades o atributos que caracterizan su estado y métodos que definen los comportamientos posibles del objeto. En el caso del objeto cuadro de texto de Visual Basic, su identidad es "cuadro de texto" (definida en System.Windows.Forms.TextBox), una de sus propiedades es Multilineal (Verdadero o Falso) y uno de sus métodos es Copiar o memorizar el contenido del cuadro de texto en la RAM. Además, los objetos son instancias de una clase y pueden detectar eventos. Por ejemplo, un cuadro de texto es una instancia de la clase TextBox y uno de los eventos que puede recibir es Enter (presionar la tecla Enter dentro del cuadro de texto).
Por lo tanto, los objetos son instancias de una clase, presentan propiedades o atributos, ejecutan métodos, reciben eventos y pueden recibir mensajes y reaccionar en función de éstos.
Se define a los miembros de una clase como el conjunto formado por su identidad, propiedades, relaciones y métodos.
Además, la OOP incluye las siguientes características:
i) Abstracción: Denota las características esenciales del objeto.
ii) Encapsulamiento: Posibilidad de interacturar externamente con el objeto sin necesidad de acceder al código interno.
iii) Herencia: Posibilidad de crear una clase B a partir de una clase A, de modo que la clase B hereda todas las características de la clase A (por ejemplo los atributos y metodos). Es decir, la herencia pemite crear clases especializadas a partir de las clases originales. Visual Basic no pemite la herencia o reutilización del código fuente.
iv) Polimorfismo: Posibilidad de un método para actuar de una manera distinta dependiendo de la clase que lo aplica. Por ejemplo el método copiar actúa de un modo distinto si se aplica sobre un objeto texto o sobre un objeto imagen.

vi) Programación Dirigida por Eventos: Es el paradigma de programación utilizado por Visual Basic y consiste en que la estructura y la ejecución del programa depende de los eventos o sucesos que ejecuta el usuario y que también puede gatillar el mismo programa. Este paradigma se considera opuesto al paradigma de Programación Estructurada o Secuencial, donde el Pogramador es quien define el flujo de la información y los específicos momentos en los cuales puede intervenir el usuario. Por ejemplo, si en Visual Basic tenemos una ventana o formulario con un cuadro de texto y un botón de comando, algunos de los eventos que deben ser programados pueden ser: qué hacer si se da un click en el botón de comando (o pogramar el evento Click) y qué hacer si el texto contenido en el cuadro de texto cambia (o programar el evento TextChanged).

 

PARTE 2: Macros de Excel
PASO 3: Resumen de macrocomandos, macrofunciones y macros de VBA (Visual Basic for Applications) - Ing. Jorge Reyes - NT2 Labs.

PARTE 3: VB.net
PASO 4 : El Lenguaje VB.net
La siguiente tabla muestra la equivalencia entre Pseudolenguaje y VB.net:

Pseudolenguaje	VB.net
Inicio	Suele ser: Private Sub xx_Click(.... Y significa: A continuación viene una subrutina privada del objeto xx cuando éste recibe un Click.
Fin	Suele ser: End Sub y significa Fin de Subrutina.
Ir a línea 10	Goto 10
Contar i=1, N .... Fin Contar	For i=1 to N ... Next i
Si (...): ... En caso contrario ... Fin Si	If (...) then ... Else ... End if
Leer x	Suele ser: x = cuadro.text Donde "cuadro" es el nombre de un cuadro de texto presente en la ventana del programa.
Escribir x	Suele ser: Msgbox(x) Es decir, se despliega una ventana mostrando el valor de x.

NOTAS
Como es obvio, en este Taller resumido las siguientes explicaciones no pretenden ser rigurosas.
i) Conversión de tipos.
Imaginemos que el usuario ingresa un dato vía teclado en un cuadro de texto denominado entrada.
Para poder manipular el dato dentro del código, éste tendrá que ser declarado y convertido ya sea a texto o a número.
Por ejemplo para poder incluir el dato dentro de una oración, éste tendrá que ser convertido a texto o "String".
El código tendrá que empezar del siguiente modo:
Dim x as String
x=CStr(entrada.text)

Así mismo, si necesitamos convertir el dato a número, tendremos tres alternativas:
* Conversión a entero:
Dim x as Integer
x=CInt(entrada.text)
* Conversión a número con pocos decimales:
Dim x as Single
x=CSng(entrada.text)
* Conversión a número con muchos decimales:
Dim x as Double
x=CDbl(entrada.text)

(Obviamente en la versión completa del curso, todo esto se explica con el máximo detalle posible).

ii) Para escribir o desplegar el valor de la variable x, puede utilizar un cuadro de mensaje o MsgBox del siguiente modo:
MsgBox(x)
Para presentar el valor de la variable x dentro de una oración, puede concatenar texto con el valor de x del siguiente modo:
MsgBox("El valor de X es: " + CStr(x))

iii) En VB.net la función exponencial se escribe del siguiente modo:
Math.Exp()
Por ejemplo, el siguiente código dentro del evento Click de un botón de comando, presenta en un MsgBox el valor de e⁵:
Dim y As Single
y = Math.Exp(5)
MsgBox(y)

iv) En VB.net la siguiente función permite obtener un número aleatorio entre 0 y 1:
Rnd()
Por ejemplo, el siguiente código dentro del evento Click de un botón de comando, presenta en un MsgBox un valor seleccionado aleatoriamente dentro del intervalo [0, 1]:
Dim x As Single
Randomize()
x = Rnd()
MsgBox(x)

v) La siguiente instrucción evita que cualquier código se caiga o desestabilice por efecto de un error:
On Error Resume Next
Por ejemplo, si tenemos un textbox llamado entrada, el siguiento código generará la desestabilización del programa si el contenido del textbox se deja vacío:
Dim x, y As Single
x = CSng(entrada.Text)
y = Math.Log(x)
MsgBox(y)

Pero si se agrega al principio "On Error Resume Next", el programa no se desestabilizará, quedando el código del siguiente modo:
On Error Resume Next
Dim x, y As Single
x = CSng(entrada.Text)
y = Math.Log(x)
MsgBox(y)

 

PASO 5 : Programación Visual - Ing. Jorge Reyes - NT2 Labs.

 

PARTE 4: VB.net a Nivel Experto
PASO 6 : Herramientas Avanzadas de VB.net - Ing. Jorge Reyes - NT2 Labs.
En el siguiente video veremos una reseña de los siguientes temas avanzados:
(1) Abrir archivo; (2) Guardar el texto de un TextBox en un archivo; (3) Leer el contenido de un archivo y volcarlo en un TextBox; (4) Dibujar un rectángulo rojo en un PictureBox; (5) Obtener una raíz cuadrada; (5) Obtener el resultado de elevar a 5 el número de Euler; y (7) Conectarse a una Base de Datos.

 

PARTE 5: Temas Vanguardistas
PASO 7: Inteligencia Artificial y Redes Neuronales.
7.1 Definiciones Importantes
* Inteligencia Artificial (IA): Ciencia que estudia el uso de la computadora para imitar el comportamiento inteligente, incluyendo la capacidad de realizar deducciones, identificación visual de objetos, aprendizaje, etc. Dentro de esta ciencia el modelo más sobresaliente corresponde a los "Sistemas Expertos" (o Sistemas Basados en el Conocimiento), con los que se consigue que la computadora actué en un contexto específico del mismo modo (o incluso mejor) a como lo haría un experto humano en dicho campo. Algunas áreas de aplicación de los sistemas expertos son: diagnóstico médico, evaluación de riesgo bursátil, predicción de catástrofes, etc. Dentro de la IA destaca el modelo de Redes Neuronales Artificiales, donde se diseñan algoritmos capaces de aprender y que organizan el flujo de información por medio de capas (por ejemplo, capa que recibe los datos de entrada y capa que emite la información de salida).
* Machine Learning o Aprendizaje Automático: Un subconjunto de técnicas de IA que permiten enseñarle cosas a las computadoras, consiguiendo de este modo que éstas aprendan a realizar ciertas tareas de manera autónoma sin haber apelado al típico algoritmo que expresa qué es lo que se tiene que hacer en cada situación. Dentro del Machine Learning se incluyen los algoritmos de Redes Neuronales Artificiales anteriormente mencionados y que imitan la arquitectura del cerebro por medio de unidades de procesamiento simbólicas o "neuronas matemáticas", permitiendo así la construcción de algoritmos capaces de mejorar su desempeño en función de la experiencia y de responder ante determinados estímulos de acuerdo con las conexiones sinápticas almacenadas internamente.
* Deep Learning o Aprendizaje Profundo: Es un subconjunto de técnicas especializadas de Machine Learning y que se obtiene cuando se utilizan Redes Neuronales Artificiales que consiguen construir niveles muy complejos de abstracción de la información debido a la presencia de muchas capas intermedias u ocultas. 

Software de Deep Learning

7.2 Redes Neuronales Artificiales
7.2.1 Introducción
Una Red Neuronal es un sistema de IA que imita el funcionamiento del cerebro, utilizando para ello unidades de procesamiento (neuronas matemáticas) y conexiones sinápticas.
Una típica Red Neuronal Feed Forward tiene el siguiente aspecto:

Una simplificación de una Red FF es un Perceptrón Simple y que corresponde a una Red FF sin capa oculta.

7.2.2 Aprendizaje Supervisado o Construyendo Aproximadores Universales de Turing.
La mayoría de las técnicas de Machine Learning utiliza lo que se conoce como "Aprendizaje Supervisado", lo que implica propocionar al sistema de IA un conjunto de entradas junto con sus respectivas salidas óptimas. Es decir, se tiene vectores de entrada X y sus vectores de salida respectivos Y, de modo que se utiliza alguno de los algoritmos de Machine Learning para mapear la supuesta función f(X) que tendría que ser capaz de relacionar el input X con el output Y. El algoritmo garantiza finalizar con la obtención de un "Aproximador Universal". Es decir, el algoritmo garantiza encontrar una función g(X) que aproxima a la función desconocida óptima f(X) sin tener que resolver un sistema de ecuaciones ni nada parecido. Se encuentra f(X) mediante un proceso iterativo que minimiza la diferencia entre el output obtenido por el Sistema de IA y el output óptimo de cada uno de los ejemplos proporcionados. Este proceso se conoce como "Etapa de Entrenamiento" y es propio de las tecnicas de Aprendizaje Supervisado porque se asemeja a contar con un Profesor que supervisa el proceso de aprendizaje de un estudiante al proporcionarle feedback respecto de los errores cometidos. Es decir, el Profesor conoce la respuesta correcta de cada ejemplo al tiempo que el sistema de IA conjetura posibles respuestas, las que son corregidas por el Profesor, quien proporciona lo que hay que hacer para estar mas cerca de la respuesta correcta (esto se conoce como "Metodo del Gradiente Descendente" aplicado a la miminización de la función Error). El aprendizaje se puede detener cuando se ha alcanzado un nivel aceptable de desempeño, el cual puede ser medido de diversas maneras.

7.2.3 Red Neuronal del Tipo "Perceptrón"
7.2.3.1 Arquitectura del Perceptrón
Un sistema básico donde se aplica Aprendizaje Supervisado se denomina Perceptrón (Frank Rosenblatt, 1957) y consiste en una Red Neuronal con las siguientes características:
- Una capa de entrada que recibe los datos del vector de entrada y que posee n_i neuronas o unidades de procesamiento.
- Una capa de salida que emite el resultado calculado por el Perceptrón y que posee n_o neuronas o unidades de procesamiento.
- El valor de entrada de una neurona de entrada es el valor numérico de la coordenada correspondiente del vector de entrada. Por ejemplo, si el vector de entrada es (0.15, 0.23, 0.18, 0.72), entonces el valor de entrada de la segunda neurona de entrada es 0.23. Esto último se puede simbolizar así: Entrada₂ = 0.23.
- El valor de entrada de una neurona de salida etiquetada como j es igual a X_j, donde X_j se calcula del siguiente modo:
Primero: La conexión de una neurona i de la capa de entrada con una neurona j de la capa de salida se denomina "peso sináptico" y se simboliza como w_ij
Segundo: Si sólo tenemos tres neuronas de entrada, se tendrá que:

- Según la Teoría del Conexionismo de Alan Turing, el aprendizaje o conocimiento queda almacenado en el conjunto de pesos sinápticos (de un modo similar al juego "Operando"). Es decir, cada conocimiento experto tendrá un conjunto especiífico de pesos sinápticos que lo soluciona o representa.
- Cada neurona de la capa de salida recibe el valor X_j y lo procesa por medio de una "función de activación". La función de activación de cada una de las neuronas de la capa de salida puede ser la función sigmoide: f(x_j) = 1/(1+e^-xj).
- El output de la neurona j de la capa de salida es el valor arrojado por la función de activación.

Un Perceptrón simple se puede visualizar del siguiente modo:

Luego, en este ejemplo tenemos que:
n_i = 3 neuronas (las rotuladas como 1, 2 y 3)
n_o = 2 neuronas (las rotuladas como 4 y 5)
Ejemplo de cálculo de la salida generada por la neurona 4 cuando el vector de entrada es: (0.83, 0.5, 0.27):
Entrada₄ = w₁₄*0.83 + w₂₄*0.5 + w₃₄*0.27 = 0.05*0.83 + (-0.15)*0.5 + 0.17*0.27 = 0.0124
Salida₄ = 1/(1+e^-0.0124) = 0.503

7.2.3.2 Algoritmo de Aprendizaje del Perceptrón.
Siguiendo con el ejemplo de un Perceptrón formado por tres neuronas de entrada y dos de salida, los pesos sinápticos óptimos se encontrarán realizando el siguiente procedimiento que Alan Turing denominaba "Interferencia Adecuada".
El Algoritmo de Aprendizaje simplificado es el siguiente:

1) Proporcionar los vectores de entrada con sus respectivas salidas correctas.
Por ejemplo, si para el primer vector de ejemplo los valores de entrada son: (0.17, 0.23, 0.33), mientras que los valores correctos de salida son: (0.8, 0.5), podremos anotar que:
Entrada₁=(0.17, 0.23, 0.33)
SalidaCorrecta₁ = (0.8, 0.5)
vector₁ = (0.17, 0.23, 0.33, 0.8, 0.5)
Luego:
SalidaCorrecta₁₁= 0.8, SalidaCorrecta₁₂ = 0.5
Es decir, SalidaCorrecta_ij simboliza la salida correcta de la neurona j cuando se considera el vector de ejemplo i.
Además, se debe:
- Especificar la razón de aprendizaje. Por ejemplo, RA = 0.1.
- Especificar la cantidad de casos de ejemplo: N
- Especificar la cantidad de épocas: E
2) Inicializar Epoca:
Epoca = 1
3) Inicializar n:
n =1
4) Seleccionar el vector de ejemplo n
5) Calcular la entrada de cada una de las neuronas de la capa de salida mediante la suma ponderada de los pesos sinápticos por el valor de entrada correspondiente.
Por ejemplo, para la primera neurona de la capa de salida (rotulada como "4") la entrada será:
Entrada₄ = w₁₄* Entrada₁ + w₂₄* Entrada₂+ w₃₄* Entrada₃
6) Calcular el valor de salida de cada una de las neuronas de salida por medio de la función de activación correspondiente.
Por ejemplo, para la primera neurona de la capa de salida, y suponiendo que la funciónde activación es la función sigmoide, tendremos que el output será:
Output₄ = 1/(1+exp(- Entrada₄))
7) Comparar el output obtenido por el Perceptrón con la salida correcta por medio de la diferencia entre ambos valores. Este valor se denomina "Error de la Actividad".
Por ejemplo, el Error de la Actividad de la neurona j de la capa de salida será:
EA_j = Output_j - SalidaCorrecta_j
8) Calcular el Error de Input de la neurona j de la capa de salida del siguiente modo:
EI_j = EA_j * Output_j * (1 - Output_j)
9) Calcular el Error de Peso entre la neurona i de la capa de entrada y la neurona j de la capa de salida del siguiente modo:
EP_ij = EIj*Entrada_i
(Nota técnica: EP_ij es la derivada de la función error respecto del peso sináptico w_ij)
10) Actualizar los pesos sinápticos del siguiente modo:
w_ij = w_ij - RA * EP_ij
Siguiendo con el ejemplo original, los tres pesos sinápticos de la primera neurona de la capa de salida se actualizarán del siguiente modo:
w₁₄ = w₁₄ - RA * EP₁₄
w₂₄ = w₂₄ - RA * EP₂₄
w₃₄ = w₃₄ - RA * EP₃₄
11) Incrementar n en 1: n = n + 1
Si n <=N, saltar a (4)
12) Incrementar Epoca en 1: Epoca = Epoca +1
Si Epoca <= E, saltar a (3)
13) El proceso de entrenamiento ha finalizado y los pesos finales { w_ij } son los óptimos de acuerdo con las restricciones especificadas (RA, E, etc.), convirtiendo de este modo al Perceptrón en un Aproximador Universal básico.

 

Verificación del Aprendizaje

1) Algoritmos A la derecha se puede ver una representación por medio de bloques de un algoritmo que puede ser ejecutado por el robot Cozmo. ¿Cuál es el procedimiento que ejecuta el robot? a) El robot levanta la horquilla cuatro veces con un rapidez de 100 mm/s b) A medida que se desplaza, el robot realiza giros de 45° c) El robot describe una trayectoria cuadrada de 100 mm de lado

.

3) Imagine que en un cuadro de texto llamado cuadro01 se ingresó el valor 10, mientras que en otro cuadro de texto llamado cuadro02 se ingresó el valor 20. Luego, para presentar la suma de ambos valores, se puede escribir el siguiente código en VB.net: a) MsgBox(CInt(cuadro01.text)+CInt(cuadro02.text)) b) Msgbox(cuadro01.text + cuadro02.text) c) Línea 1: Dim x, y as Integer; Línea 2: x = cuadro01. text; Línea 3: y=cuadro02.text; Línea 4: MsgBox(x+y)

.

4) Perceptrón 3x2 Imaginemos un Perceptrón simple formado por tres neuronas de entrada (rotuladas como 1, 2 y 3) y dos neuronas de salida (rotuladas como 4 y 5). La función de activación de las dos neuronas de la capa de salida es la función sigmoide. Los pesos sinápticos son los siguientes: Determine el output de la neurona n°5 cuando la entrada es igual a (0.9, 0.5, 0.7) a) 0.173 b) 1.59 c) 0.63

.

---